创建Python中的哈希表从字典中

huangapple
go评论115阅读模式
英文:

create hashmap from dictionaries python

问题

我有类似的字典：

  1. {
  2. {'instrument_name': 'BTC-24FEB23-24000-C',
  3. 'index_price': 23822.86,
  4. 'direction': 'sell',
  5. 'amount': 0.5},
  6. {
  7. 'instrument_name': 'BTC-30JUN23-40000-C',
  8. 'index_price': 23813.52,
  9. 'direction': 'sell',
  10. 'amount': 0.1},
  11. {
  12. 'instrument_name': 'BTC-24FEB23-24000-C',
  13. 'index_price': 23812.99,
  14. 'direction': 'sell',
  15. 'amount': 6.0},
  16. {
  17. 'instrument_name': 'BTC-26MAY23-18000-P',
  18. 'index_price': 23817.83,
  19. 'direction': 'buy',
  20. 'amount': 0.3}
  21. }

我想要输出，按日期分组并在字典中添加金额：

  1. {24FEB23: 6.5, 30JUN23: 0.1, 26MAY23: 0.3}

基本上是要将字符串日期的值相加：

  1. instrument_date = instrument_name.split()[1]

除了使用for循环之外，是否有更好的方法？

英文:

I have dictionaries like

  1.     {
  2.     {'instrument_name': 'BTC-24FEB23-24000-C',
  3.     'index_price': 23822.86,
  4.     'direction': 'sell',
  5.     'amount': 0.5},
  6.    {
  7.     'instrument_name': 'BTC-30JUN23-40000-C',
  8.     'index_price': 23813.52,
  9.     'direction': 'sell',
  10.     'amount': 0.1},
  11.    {
  12.     'instrument_name': 'BTC-24FEB23-24000-C',
  13.     'index_price': 23812.99,
  14.     'direction': 'sell',
  15.     'amount': 6.0},
  16.    {
  17.     'instrument_name': 'BTC-26MAY23-18000-P',
  18.     'index_price': 23817.83,
  19.     'direction': 'buy',
  20.     'amount': 0.3}
  21. }

I want output like , group by dates and adding amount in dictionary.

  1. { 24FEB23 : 6.5, 30JUN23: 0.1 , 26MAY23:0.3}

Basically to sum up the values from the string date

  1. instrument_date= instrument_name.split()[1]

Is there any better way other than using for loop in this.

答案1

得分: 1

我不太理解这里使用for循环的问题。如果dicts是您的字典列表，那么可以尝试以下代码：

  1. from collections import defaultdict
  3. d = defaultdict(float)
  4. for x in dicts:
  5.     d[x['instrument_name'].split('-')[1]] += x['amount']
  7. # d = {'24FEB23': 6.5, '30JUN23': 0.1, '26MAY23': 0.3}

这应该足够快，除非您处理的输入数据非常庞大。

英文:

I don't quite understand the problem with a for loop here. If dicts is a list of your dictionaries, then

  1. from collections import defaultdict
  3. d = defaultdict(float)
  4. for x in dicts:
  5.     d[x['instrument_name'].split('-')[1]] += x['amount']
  7. # d = {'24FEB23': 6.5, '30JUN23': 0.1, '26MAY23': 0.3}

Should be fast enough, unless you are dealing with massively big inputs

答案2

得分: 1

根据您的建议，您可以使用for循环（带有defaultdict）来解决这个问题。

使用循环的解决方案：

  1. from collections import defaultdict
  2. def sum_dates(dat):
  3.     out = defaultdict(lambda: 0)
  4.     for dct in dat:
  5.         out[dct['instrument_name'].split('-')[1]] += dct['amount']
  6.     return dict(out)
  8. %timeit sum_dates(dat)
  9. >>> 1.82 µs +/- 292 ns per loop (mean +/- std. dev. of 7 runs, 1,000,000 loops each)

使用pandas的解决方案：

  1. import pandas as pd
  2. df = pd.DataFrame(dat)
  3. df['date'] = df['instrument_name'].str.split('-').str[1]
  5. def sum_dates_pandas(df):
  6.     return df.groupby('date')['amount'].sum().to_dict()
  8. >>> %timeit sum_dates_pandas(df)
  9. 219 µs +/- 18.6 µs per loop (mean +/- std. dev. of 7 runs, 1,000 loops each)

看起来第一个解决方案是最快的。

英文:

As you suggest, you can solve this using a for loop (with a defaultdict)

  1. dat = [{'instrument_name': 'BTC-24FEB23-24000-C',
  2.         'index_price': 23822.86,
  3.         'direction': 'sell',
  4.         'amount': 0.5},
  5.        {'instrument_name': 'BTC-30JUN23-40000-C',
  6.         'index_price': 23813.52,
  7.         'direction': 'sell',
  8.         'amount': 0.1},
  9.        {'instrument_name': 'BTC-24FEB23-24000-C',
  10.         'index_price': 23812.99,
  11.         'direction': 'sell',
  12.         'amount': 6.0},
  13.        {'instrument_name': 'BTC-26MAY23-18000-P',
  14.         'index_price': 23817.83,
  15.         'direction': 'buy',
  16.         'amount': 0.3}]

Solution with loop:

  1. from collections import defaultdict
  2. def sum_dates(dat):
  3.     out = defaultdict(lambda: 0)
  4.     for dct in dat:
  5.         out[dct['instrument_name'].split('-')[1]] += dct['amount']
  6.     return dict(out)
  8. %timeit sum_dates(dat)
  9. >>> 1.82 µs +/- 292 ns per loop (mean +/- std. dev. of 7 runs, 1,000,000 loops each)

Solution with pandas:

  1. import pandas as pd
  2. df = pd.DataFrame(dat)
  3. df['date'] = df['instrument_name'].str.split('-').str[1]
  5. def sum_dates_pandas(df):
  6.     return df.groupby('date')['amount'].sum().to_dict()
  9. >>> %timeit sum_dates_pandas(df)
  10. 219 µs +/- 18.6 µs per loop (mean +/- std. dev. of 7 runs, 1,000 loops each)

Seems the first solution is the fastest

答案3

得分: 0

根据oskros的建议，您可以像这样使用pandas。请注意，我已将您的{}更改为[]，以便它是一个字典的列表：

  1. data = [{'instrument_name': 'BTC-24FEB23-24000-C',
  2.     'index_price': 23822.86,
  3.     'direction': 'sell',
  4.     'amount': 0.5},
  5.    {
  6.     'instrument_name': 'BTC-30JUN23-40000-C',
  7.     'index_price': 23813.52,
  8.     'direction': 'sell',
  9.     'amount': 0.1},
  10.    {
  11.     'instrument_name': 'BTC-24FEB23-24000-C',
  12.     'index_price': 23812.99,
  13.     'direction': 'sell',
  14.     'amount': 6.0},
  15.    {
  16.     'instrument_name': 'BTC-26MAY23-18000-P',
  17.     'index_price': 23817.83,
  18.     'direction': 'buy',
  19.     'amount': 0.3}]
  21. df = pd.DataFrame(data)
  22. print(df.groupby('instrument_name')['amount'].sum())

结果：

  1. instrument_name
  2. BTC-24FEB23-24000-C    6.5
  3. BTC-26MAY23-18000-P    0.3
  4. BTC-30JUN23-40000-C    0.1
英文:

As oskros suggested, you might use pandas for this like so. Note that I've changed your {} to [] so it is a list of dictionaries:

  1. data = [{'instrument_name': 'BTC-24FEB23-24000-C',
  2.     'index_price': 23822.86,
  3.     'direction': 'sell',
  4.     'amount': 0.5},
  5.    {
  6.     'instrument_name': 'BTC-30JUN23-40000-C',
  7.     'index_price': 23813.52,
  8.     'direction': 'sell',
  9.     'amount': 0.1},
  10.    {
  11.     'instrument_name': 'BTC-24FEB23-24000-C',
  12.     'index_price': 23812.99,
  13.     'direction': 'sell',
  14.     'amount': 6.0},
  15.    {
  16.     'instrument_name': 'BTC-26MAY23-18000-P',
  17.     'index_price': 23817.83,
  18.     'direction': 'buy',
  19.     'amount': 0.3}]
  21. df = pd.DataFrame(data)
  22. print(df.groupby('instrument_name')['amount'].sum())

Outcome:

  1. instrument_name
  2. BTC-24FEB23-24000-C    6.5
  3. BTC-26MAY23-18000-P    0.3
  4. BTC-30JUN23-40000-C    0.1
  6. </details>

huangapple
  • 本文由 发表于 2023年2月24日 15:52:50
  • 转载请务必保留本文链接：https://go.coder-hub.com/75553873.html
  • dataframe
  • dictionary
  • hashmap
  • pandas
  • python
匿名

发表评论

匿名网友

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定